Мой графический процессор умирает?

Я временно отключил защиту памяти ECC на NVIDIA K20m (устройство 0 в моем узле) и теперь не могу вернуть его к работе. До этого он работал правильно с включенным ECC. Итак, вот что я сделал: я отключил ECC с

nvidia-smi -i 0 --ecc-config=0

и перезагрузился. Когда он появился, он показал 100% использование графического процессора и не запустил никаких ядер (на самом деле он уже не работал при создании контекста). Причиной была двойная ошибка. Я сбрасываю это с

nvidia-smi -i 0 --reset-ecc-errors=0

и перезагрузил узел. После перезагрузки загрузка устройства составила 0%, и я смог начать работу как обычно. Через несколько часов устройство снова показало 100% загрузку графического процессора. На этот раз он не сообщил о двухбитной ошибке (даже ни одной битовой ошибке). Однако, поскольку я не мог выполнить какую-либо работу, я перезагрузил узел, и он получил 100% загрузку графического процессора, я не могу его использовать, но не сообщает об ошибках. Что это такое?

GPU 0000:02:00.0
    Product Name                : Tesla K20m
    Display Mode                : Disabled
    Persistence Mode            : Enabled
    Driver Model
        Current                 : N/A
        Pending                 : N/A
    Serial Number               : 0324512044699
    GPU UUID                    : GPU-9bfe1aba-1628-a406-3ed5-2af49462a997
    VBIOS Version               : 80.10.11.00.0B
    Inforom Version
        Image Version           : 2081.0208.01.07
        OEM Object              : 1.1
        ECC Object              : 3.0
        Power Management Object : N/A
    GPU Operation Mode
        Current                 : Compute
        Pending                 : Compute
    PCI
        Bus                     : 0x02
        Device                  : 0x00
        Domain                  : 0x0000
        Device Id               : 0x102810DE
        Bus Id                  : 0000:02:00.0
        Sub System Id           : 0x101510DE
        GPU Link Info
            PCIe Generation
                Max             : 2
                Current         : 2
            Link Width
                Max             : 16x
                Current         : 16x
    Fan Speed                   : N/A
    Performance State           : P0
    Clocks Throttle Reasons
        Idle                    : Not Active
        User Defined Clocks     : Not Active
        SW Power Cap            : Not Active
        HW Slowdown             : Not Active
        Unknown                 : Not Active
    Memory Usage
        Total                   : 4799 MB
        Used                    : 12 MB
        Free                    : 4787 MB
    Compute Mode                : Default
    Utilization
        Gpu                     : 100 %
        Memory                  : 0 %
    Ecc Mode
        Current                 : Enabled
        Pending                 : Enabled
    ECC Errors
        Volatile
            Single Bit            
                Device Memory   : 0
                Register File   : 0
                L1 Cache        : 0
                L2 Cache        : 0
                Texture Memory  : 0
                Total           : 0
            Double Bit            
                Device Memory   : 0
                Register File   : 0
                L1 Cache        : 0
                L2 Cache        : 0
                Texture Memory  : 0
                Total           : 0
        Aggregate
            Single Bit            
                Device Memory   : 0
                Register File   : 0
                L1 Cache        : 0
                L2 Cache        : 0
                Texture Memory  : 0
                Total           : 0
            Double Bit            
                Device Memory   : 0
                Register File   : 0
                L1 Cache        : 0
                L2 Cache        : 0
                Texture Memory  : 0
                Total           : 0
    Temperature
        Gpu                     : 30 C
    Power Readings
        Power Management        : Supported
        Power Draw              : 49.51 W
        Power Limit             : 225.00 W
        Default Power Limit     : 225.00 W
        Min Power Limit         : 150.00 W
        Max Power Limit         : 225.00 W
    Clocks
        Graphics                : 758 MHz
        SM                      : 758 MHz
        Memory                  : 2600 MHz
    Applications Clocks
        Graphics                : 705 MHz
        Memory                  : 2600 MHz
    Max Clocks
        Graphics                : 758 MHz
        SM                      : 758 MHz
        Memory                  : 2600 MHz
    Compute Processes           : None

linux gpu nvidia-graphics-card Ritter
источник

кажется странным; никогда не замечал ничего подобного. Даже если это не поможет решить проблему, попробуйте переустановить драйверы, может быть?

Бен Франчук

Я полагаю, вы уже попробовали очевидное, чтобы просто удалить и переустановить все? Я имею в виду, хм, я мало знаю об оборудовании, поэтому мой подход всегда состоит в том, чтобы убедиться, что программное обеспечение - что я действительно понимаю - должно работать. И тогда я, возможно, объявлю кусок сломанным, пока не опровергну более осведомленным мнением.

Ариана

Я посмотрел на это, а также потратил некоторое время на изучение этой проблемы и ее причин. Похоже, что лучшим решением является замена оборудования.